储粮数量的电磁波探测技术研究
开篇：润墨网以专业的文秘视角，为您筛选了一篇储粮数量的电磁波探测技术研究范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
摘要：目前我国在检测粮库有效的储粮数量时仍经常采用一种传统的方法，即压力传感器法。虽然这种方法被广为使用，但其测量精度差、没有很好的代表性，而且所需的维护成本高。为了克服这些缺陷来得到有效的储粮数量，该文提出了一种新型的研究方法，即采用甚高频电磁波来对大型粮堆内部的密度进行快速检测。根据电磁波的反射和折射在粮堆不同深度处的不同的原理得到粮堆表层介电常数，之后利用菲涅尔公式并结合此表层介电常数反演出粮堆其他层介电常数分布。再结合介电―密度这个经验模型，将粮堆各层的介电常数分布转换为密度分布，进而将粮堆整体的三维立体密度分布图模拟出来。根据实验结果分析，发现此种方法检测精度高、检测速度快，较之传统方法，其在大范围的检测中更为适用。
关键词：电磁波探测；探地雷达；介电常数；逐层反演；介电―密度模型
中图分类号：TS210.2 文献标识码：B 文章编号：1009-3044（2014）10-2452-05
Abstract： To the problem that we lack effective detection technique for grain storage amount， a new detection technique was studied by using very high frequency（VHF） electromagnetic wave and was applied in detecting density distribution in huge grain pile， which may overcome low detecting accuracy， high maintenance costs under-representation and other shortcomings deriving from triditional pressure sensor methods. Using principles of reflection and refraction of electromagnetic wave， we first obtained surface dielectric constant of grain pile， then according to Fresnel's formula and using the surface dielectric constant， inverted dielectric constant distribution of other layers. At last， according to a empirical model called Dielectric-Density Model， we converted dielectric constant distribution to density distribution and then simulated the three-dimensional density distribution of the whole grain pile. The experimental results showed that the method proposed in this paper has the better detecting accuracy and speed and more adapt to a wide range of detection compared to triditional methods.
Key words： Electromagnetic Wave； Ground Penetrating Radar； Dielectric Constant； Inversion； Dielectric-Density Model
粮食，是人类生存和发展的必需品，关系国计民生和社会经济的发展，在维持社会稳定和国家安全方面起着重要作用。因此长久以来，国家粮食主管部门一直对国家粮情监测问题保持着高度的重视[1]。粮食数量是粮食储藏安全的一个重要粮情指标，因此需要准确得知粮食数量，否则将会严重影响粮食的宏观调控，甚至出现失误[2]。我国粮食储存期长，需要及时了解粮食数量的变化情况，这要求有先进、快速以及便捷的粮食数量检测技术，否则将会给国家粮食储备造成重大的损失，并且也会对粮食供给的宏观调控政策产生严重影响。储粮数量是最基本的储粮粮情，所以储粮数量的监测也受到粮食主管部门的重视。但储粮数量监测技术的研究却开展的不多。樊超[3，4]等针对实时测量粮仓中储粮数量的需求，在粮仓底面及侧壁排布压力传感器，通过压强值拟合出粮食数量； 提出了一种基于AT89C51和 SJA1000的CAN 总线数据采集节点的设计方案，并提出了一种将 Zigbee 短距离无线通信技术与 GPRS 相结合的远程粮情数据无线传输设计方案。陈得民[5]等根据我国粮仓特点，讨论了压力传感器网络体系结构，给出了压力传感器电路的硬件设计和仓内布置方案。杨雷东[6]等使用了探地雷达等微波检测设备来测量粮堆的介电常数，之后得到粮食密度与介电常数的变化关系，进而求得所测粮堆的堆积密度。之后与数据处理软件相结合并利用三维激光扫描仪，进行粮仓外形、仓内空间、粮堆体积的测量计算，获取粮堆体积信息，最终获得储粮数量信息。但对粮堆介电常数的测量没有考虑密度分布上的变化，造成反演的储粮密度不够准确。
当今国内大多数粮仓在检测储粮数量时依旧采用压力传感器法，这种方法是首先在粮仓内选择采样点，之后在这些采样点布置压力传感器来进行数据采集[3-5]。然而这种方法却存在着许多缺点：（1）粮仓中应布置大量信号电缆，由于粮仓环境的影响容易造成信号电缆老化以及损坏，并且扩展性欠佳；（2）不同的采样点和布线方式会对检测结果造成重要的影响，精度较低；（3）压力传感器在薰仓等外界因素作用下会受到严重影响；（4）在进行倒换仓时需要将传感器进行拆除，而在拆除过程中容易造成传感器的损坏等[7-9]。以上种种都会对粮食信息化工作的发展造成很大的阻碍。如何解决上述问题是本课题所做的主要工作，于是提出了采用雷达电磁波检测粮仓中储粮数量的方法。
电磁波储粮数量检测方法是利用雷达天线在粮面上进行移动，在移动过程中实现水平面的整体扫描，同时对垂直面进行分层扫描，这样不仅能够避免在仓内布置大量信号电缆，同时克服了仓内布线方式变化对检测结果以及熏蒸等因素对传感器的影响，还增加了测量点数，测量范围也相应的得到扩大。与传统检测方法相比其效率高，容易操作，不易受到外界的干扰，能实现非介入式、非物理接触的、无损的、在线连续的检测[7，8]，是一种理想的储粮数量检测技术。其基本检测原理是：首先利用相位比较法测量出粮堆表层介电常数并作为初始迭代参数，然后根据雷达电磁波在粮堆中不同深度的散射回波幅度，利用菲涅尔公式，迭代计算出粮堆不同深度处的介电常数分布。在不同水平衡条件下，利用实验的方法得到一个介电常数―密度经验模型，之后将这个经验模型代入上述的介电常数分布，从而得到粮堆不同深度下的一维密度分布，对粮堆做纵横多次扫描，得到粮堆密度的三维立体分布，最后再用数值积分的方法获得整个粮堆体积的粮食数量。目前在工程上有许多不同的方法来测量介电常数，如已知目标深度法、电源反射法、连续剖面法等[9]。这些方法往往只能测出介电常数的大致数值或一定区域的平均值，对于计算粮食密度分布需要知道精确的介电常数分布的情形不再使用，而本文的方法正是为解决以上问题提出的。
1 介电常数逐层反演算法
电磁波在传播的过程中，在相邻的介电特性不同的介质交界面处会发生反射和透射。由于粮仓中的粮食是在不同时间，以不同的方式装入的，因此粮堆中各处密度也不相同。随着水分的扩散和通风的实施，在达到绝对平衡水条件下，粮堆中介电常数的分布将主要取决于密度的分布。因此，假设把那些介电常数不同的点当作是不同的介质层面，则能够应用介电常数的逐层反演算法来将介电常数分布推算出来[10]。
在进行介电常数的逐层反演迭代运算时，迭代所需的初始参数的精确程度将决定迭代运算的准确性，其中作为初始迭代参数的表层介电常数尤为重要。目前，介电常数测量法是目前工程测量的主要方法，大多是将波速测量出来，之后结合波速与介电常数的关系[ε=v2/c2]得到介电常数，但这种方法只能得到介电常数的估计值或测量区域的平均值，无法得到介电常数的精确数值。为了使迭代所需的初始介电常数尽可能精确，该文采用了一种相位比较的方法来获取粮堆表层介电常数的精确数值，如图1所示。其基本原理如下：在粮堆表层的不同处插入三根井中天线，其中一个发射天线作用是发射电磁波信号，另外2个均用来接收信号。采用高性能的双踪来获得两个接收天线接收发射天线发射的电磁波信号的相位差，再被两个接收天线与发射天线的距离差去除，即可计算出表层粮堆中的电磁波波速，再根据介电常数与波速的关系求取粮堆表层介电常数。试验标明，该方法能够较为精确地计算出介质表层的介电常数，从而为介电常数的逐层反演打下基础。
下面简要介绍介电常数逐层迭代反演算法的基本步骤：
依据雷达散射回波返回时间所对应的粮层深度的不同，大致将粮堆虚拟划分为四个媒质层，它们的介电常数分别是： [ε0，ε1，ε2，ε3]。图2表示当雷达电磁波在粮堆中传播时，由于媒质层的不同，在其交界面上入射电磁波会产生反射和投射。由于二次以上反射波的能量在经过多次反射后会损失很多，接收天线无法接收到相应的回波信号，因此图中将相邻层面间的二次以上反射波进行了忽略。
在上述表达式中接收信号可以看做是各层回波信号的叠加。对于粮堆区域的分层，可根据粮堆高度和探测雷达每扫采样点数划分，划分的层次越多，计算的介电常数分布就越精密。本问为了讨论问题的方便只划分了四层。实际中由于粮堆中各层媒质近似均匀且无其他目标，且在介电常数迭代前已对噪声和干扰做了滤波处理，所以该模型是符合本文提出的繁衍算法的要求。
设[Al（l=0，1，2）]为不同层面回波的幅度，结合费聂耳公式，从而推导出各层面散射回波幅度和介电常数的关系，其表达式为：
上述迭代模型在均匀、无色散、无损耗、干扰和噪声的介质中是适用的，事实上粮堆是一种色散的有耗媒质，其含水量会使电磁波产生很大的衰减，进而产生误差，误差会影响迭代的精度。所以需要对模型进行改进以消除含水量的影响，使结果符合迭代要求的精度。
实际上天线发射的电磁波不是平面波，粮堆介质是散粒体，内部由于密度不同造成衰减 也不相同，因此需要引入校准因子提高以上模型的精度。引入校准因子后，介电常数的迭代式修正为：
图2的模型把粮堆划分成4层（包括空气层），推导出了介电常数的迭代算式。实际上该介电常数反演模型可推广到任意多层的介质中，结合粮堆实验发现，根据上述迭代算式推导出的介电常数的分布精度在校准因子被引入后能够得到大大提高。
2 粮堆介电―密度模型的研究
由前面介绍的粮堆介电常数逐层迭代反演模型，在结合相应的插值算法，就可以得到粮堆某一扫描剖面的介电常数分布，在粮堆水分达到绝对平衡水条件下引入一个介电―密度模型，进而得到在水分相同的情况下介电常数所对应的密度值。将此密度值代入该剖面的介电常数分布后得到该剖面的密度分布，利用探地雷达录取多个剖面的数据，并结合合理的内插算法，就可以得到整个粮堆的三维立体密度分布图，最后采用数值积分的方法，即可算出粮堆的整体质量。
目前，对于混合介质的介电常数，通常有线性模型和非线性模型两种模型[11-13]，其中采用比较多的是非线性模型[13]。假定混合介质是由水分、空气和固体物料构成的散粒体介质，将[ε1]、[ε2]、[ε3]、[ε4]分别设定为混合介质本身、固体物料、水和空气的介电常数，那么混合介质的介电常数可由以下非线性模型表示：
3 实验结果与分析
实验对不同种类粮堆的介电-密度模型进行了研究，给出了不同条件下小麦介电-密度模型中的具体参数。在中央储备粮荥阳直属库对小麦的堆密度进行了实地测量，以下为实验的过程与结果。
3.1 介电-密度模型的参数测量及其分析
本文分别对玉米、大米和小麦三个不同粮食品种的密度与介电常数的关系进行了实验研究。进行实验首先采用一个压缩装置对样品进行压缩，并根据压缩装置显示的压力值换算成容重，然后利用电容法测量被压缩样品的相对介电常数，得出样品介电常数与其容重的对应关系，如图3所示。由图3可以看出，随着容重的增大，介电常数增加，且呈线性关系，这是因为随着容重的增加，单位体积中的水分增加，使得介电常数增加。
为验证上述介电-密度模型是否适用于大型粮堆，特在在中央储备粮荥阳直属库进行了实验。其中电磁波的探测装置使用的是意大利RIS-K2探地雷达，并选取长60m，跨度26m，装粮高度为6m的高大平房仓房为实验模型。为测量小麦介电常数和密度之间的关系，实验选取两种中心频率不同的雷达天线，分别为80MHz和200MHz，测量时采用单道扫描。根据电磁波的回波信号幅度，采用相位比较法获得小麦堆表层的相对等效介电常数，之后结合本文的介电常数逐层反演法计算得到不同深度的小麦介电常数，取实验得到的40组数据代入到公式（9）中，得到小麦密度数据（10）。用标准烘干法测量出小麦的水分含量并作为环境条件。在小麦水分为13.7%，小麦堆高度为2m条件下，小麦堆密度与其深度关系曲线如图4所示。由图4可以看出，小麦堆密度随深度的增加而增大，且呈线性关系。
3.2 粮库储粮介电常数分布的测量实验
为了得到粮库储粮介电常数的分布，在中央储备粮荥阳直属库的21号仓进行了相关的测量实验，测量活动得到了郑州鑫胜电子技术公司的支持。测量仓为常用的大型平房仓，仓房长60m，跨度为26m，储粮品种为混合小麦，小麦高度为6m，。实验方案的步骤如下：
1） 根据混合小麦的储存深度，将粮堆从上到下沿垂直方向依次分为128个虚拟层。
2） 利用放置于粮堆表面的雷达天线将与其对应的垂直剖面上各虚拟层的反射回波幅度数据进行测量并记录。实验时将雷达的参数定为每扫描采样点数为512，扫描的间隔是100。
3） 为确定参数[ε1]，[f]，[k]，在进行电常数测量时需要进行两次，测量时采用相位比较法，用一个发射天线发射信号，两个接收天线接收电磁波信号。进行第一次探测的时候，把雷达的接收天线以及发射天线放置在假定的第一虚拟层中，由电磁波幅度差以及相移可以计算出第一层的介电常数为[ε1]，由幅度[Am]， [ε0]，以及[A0]，并且假定[f1=1]，可以得到[k1]；进行第二次探测时，需要把雷达的接收天线以及发射天线放置在第二虚拟层中，通过计算可以得到第二虚拟层的介电常数[ε2]，并且假定[ki=k1]，以此能够得出幅度衰减校准因子[f]。
4） 利用（4）式进行迭代计算，得到雷达天线对应扫描线上各虚拟层的介电常数。
5） 重复步骤2到步骤4，将雷达天线置于粮堆水平面上并进行移动，得到雷达原始扫描数据，之后进行迭代，即可得到整个扫描剖面上的介电常数分布的数据。
数据分析表明，介电常数是随着粮堆位置以及深度的变化而变化的，粮堆内部各处密度的不同可由它们之间的差别反映出来，根据实验发现在绝对平衡水条件下，可以将水分的差别影响忽略不计。然而回波中的干扰和模型本身是存在误差的，因此介电常数可能会在分布上叠加一个高斯白噪声，不过这种噪声不会对介电常数随密度的变化趋势造成影响。根据前文给出的介电-密度模型，能够将某一剖面密度分布图推算出来，如图5所示。用不同颜色可以更直观的将不同密度区域表示出来，其中红色部分的区域密度较大。合并推算出的不同扫描剖面图能够得到粮堆空间密度分布图，进而清楚地展示粮堆密度三维分布情况。在应用以上方法求得粮堆密度分布后，在根据粮堆体积大小，采用数值积分的方法即可求出储粮的整体数量。
以雷达测距轮数值100为1单位，换算为长度后为10cm）
3.3 储粮数量计算的数值积分方法
4 结束语
由于国内粮仓储粮数量的检测还没有高效的的方法，所以本文提出了利用探地雷达技术来检测粮堆密度分布的方法。研究说明，如果采用此方法，所计算出的粮食数量与实际数量相比，其误差小于3%，证明可以达到实际应用的需要，有很高的现实意义。
参考文献：
[1] 张月金，谭军国.内粮情测控系统现状及发展趋势[J].农业装备技术，2009，35（4）：4-7.
[2] 应霞芳，郑文钟，何勇.粮食产后处理模式的系统分析与优化[J].浙江大学学报：农业与生命科学版，2005， 31（3）：337-340.
[3] 樊超，杨铁军，张德贤，等.基于Zigbee和GPRS相结合的粮食数量无线监控系统设计[J].河南工业大学学报：自然科学版，2011，33（1）：69-74.
[4] 樊超，鲁淑杰，侯利龙，等.基于CAN总线的粮食数量测量系统节点设计[J].农机化研究，2011（10）：153-157.
[5] 陈得民，张元.基于压力传感器网络的粮仓储粮数量监测系统[J].微计算机信息，2009，25（5-1）：142-144.
[6] 杨雷东，吴炳方，李强子，等.粮仓储粮数量探测新方法探讨[J].粮食储藏，2010（5）：50-54.
[7] 李俊林.微波检测储粮水分技术的研究[J].粮油加工，2007（9）：98-100.
[8] 蒋玉英.电磁波在粮仓储粮中传播衰减特性的研究[J].粮油加工，2010（7）：59-61.
[9] 粟毅，黄春琳，雷文太.探地雷达理论与应用[M].科学出版社，2006.
[10] 廉飞宇，李青，白浩.一种大规模粮堆介电常数测量方法[J].兰州理工大学学报，2010，36（6）：89-93.
[11] 张蓓.路面结构层材料介电特性及其厚度反演分析的系统识别方法―路面雷达关键技术研究[D].重庆：重庆大学.2006：30-80.
[12] 王鹏，王海涛，刘学颜.路面结构材料特性与其介电常数相关性研究[J].粮油加工，2009（6）：87-89.
[13] 钟燕辉，张蓓，王复明，蔡迎春.路面结构层材料介电常数模型研究[J].公路交通科技，2006，19-21.
[14] 沈剑华.数值计算基础[M].上海：同济大学出版社，1997.
[15] Richard L， Burden J， Faires D. Numerical analysis（Seventh Edition） [M].Beijing：Higher Education Press，2001.